橋梁結構動力測試信號的自適應形態學濾波研究

徐佳德，單德山

(西南交通大學 土木工程學院，四川 成都 610031)

橋梁健康監測系統通過對橋梁的運營狀態進行評估，為橋梁維修養護工作提供了依據。由于受環境干擾、測試系統自身缺陷等因素的影響，橋梁健康監測系統獲得的測試信號會不可避免地混入噪聲分量。噪聲分量的存在將嚴重影響橋梁狀態評估結果的可靠性，甚至會淹沒有用的結構響應信號，導致無法進行橋梁狀態評估。因此，需要對橋梁健康監測信號進行降噪處理，突顯出有用的橋梁響應分量。

國內外學者對信號降噪技術進行了大量研究，其中，經驗模態分解(Empirical Mode Decomposition,EMD)和小波變換(Wavelet Transform,WT)是2種常用的降噪方法。周俊等[1]使用EMD降噪方法對京滬高速鐵路典型路基沉降板觀測數據進行了降噪處理，結果表明EMD降噪很好地消除了混雜在實測沉降曲線中的隨機誤差和異常的波動成分。馬金英等[2]應用EMD閾值降噪方法對軸承信號進行降噪，實現了振動信號的降噪，有利于判斷軸承故障。蘇文勝等[3]采用EMD降噪方法對軸承早期故障信號進行降噪，成功地降低了低頻干擾影響，突出了高頻共振成分。李浩等[4]應用WT對齒輪箱的振動信號進行了小波降噪處理，有效地將真實信號提取出來。王國棟等[5]應用WT對實測軸承振動信號進行降噪，提高了信號的信噪比。雖然EMD和WT在信號降噪領域應用廣泛且取得了一定的效果，但在實際應用中還存在一些不足。EMD存在著理論框架不成熟，且分解信號分量存在端點效應等問題；WT在應用過程中存在基函數選取和分解層數確定困難、閾值和收縮函數選取困難等[6]。

形態學濾波器[7]由MATHERON和SERRA在1964年提出，該濾波器以數學形態學為理論基礎，可實現對信號中特定分量的有效濾除，是一種高效的非線性濾波器。形態學濾波器起初應用于視覺檢測、圖像處理等領域，隨著形態學理論的發展，通過與其他學科的交叉融合，逐步應用到語音信號、醫學信號、電力信號以及機械振動信號分析處理中[8]，但在橋梁信號處理領域應用較少。田絮資等[9]應用形態學濾波器基本去除了心電信號的噪聲。郭海濤等[10]應用形態學濾波器抑制了聲吶圖像的散斑噪聲，并且沒有降低圖像邊緣保持能力。HARIKIRAN等[11]應用形態學濾波器去除了圖像中的脈沖噪聲，并且保留了圖像的詳細信息。YUAN等[12]采用形態學濾波器去除了數據中的脈沖分量，結果表明形態學濾波器對于任何水平的噪聲都具有良好的降噪效果。CHEN等[13]通過形態學濾波器去除了由滿足正態分布的隨機噪聲和高斯白噪聲組成的混合噪聲。CADORE等[14]將形態學濾波器和譜相減技術相結合，提出了一種用于去除語音信號噪聲的方法，其仿真結構表明該方法能很好地去除語音信號中的噪聲。以上研究表明，形態學濾波器被廣泛應用于圖像和信號降噪領域，可有效濾除原信號中的白噪聲分量和脈沖分量。

對于橋梁健康監測來說，大部分文獻資料將采樣信號中的噪聲假設為高斯白噪聲或脈沖噪聲[15]，因此，可考慮使用形態學濾波器對橋梁健康監測信號進行降噪處理。形態學濾波器在濾波過程中需要對結構元素形狀、結構元素大小等參數進行設置，而參數的取值與測試信號特性有關，其合理與否將直接影響濾波結果的優劣。本文應用形態學濾波器對橋梁健康監測信號進行降噪處理，建立一種自適應的橋梁健康監測信號降噪方法，并應用確定-隨機子空間識別(Combined Deterministic-stochastic Subspace Identification,CDSI)方法識別結構的模態參數，通過穩定圖法對濾波效果進行驗證。

1 形態濾波器原理

數學形態學有膨脹和腐蝕2種基本運算方式，膨脹和腐蝕相互組合形成開運算和閉運算。

1.1 膨脹與腐蝕運算

定義膨脹運算為

(1)

式中：y為原始信號；g為結構元素；k為g中數據點坐標，k=1,2,…,N。

定義腐蝕運算為

(2)

從集合角度看，膨脹和腐蝕運算的基礎是集合的Minkowshi和與差，即膨脹運算為將集合A相對結構元素B平移c(c∈B)后取并集，腐蝕運算為將集合A相對結構元素B平移-c(c∈B)后取交集。

從幾何角度看，結構元素B沿X的外邊緣移動所得區域是膨脹的結果；結構元素B沿X的內邊緣移動所得區域是腐蝕的結果。膨脹具有擴展數據的功能，腐蝕具有收縮數據的功能。膨脹與腐蝕示意如圖1。

圖1 膨脹與腐蝕示意

1.2 開運算和閉運算

定義開運算為先進行腐蝕運算再進行膨脹運算；閉運算為先進行膨脹運算再進行腐蝕運算。數學表達式分別為

y[n]°g[n]=(y[n]?g[n])⊕g[n]

(3)

y[n]?g[n]=(y[n]⊕g[n])?g[n]

(4)

開運算能夠消除集合周邊一些細小毛刺，閉運算可以填充集合內一些小的孔洞，開閉運算都起到了平滑圖像的作用，見圖2。

圖2 開運算和閉運算的平滑功能

1.3 廣義形態學濾波原理

傳統的形態學濾波器有開-閉形態學濾波器(OC)和閉-開形態學濾波器(CO)[16]，以上2種濾波器雖然能濾除信號中含有的正負脈沖噪聲，但是由于開運算的反擴展性和閉運算的擴展性使OC的輸出幅度偏小，CO的輸出幅度偏大，從而產生輸出偏倚。當開閉2種運算采用相同的結構元素時，OC在消除正脈沖噪聲的同時增強了負脈沖噪聲，不能有效地將負脈沖噪聲濾除，CO原理類似。因此采用2種尺寸的結構元素g1和g2建立廣義開-閉形態學濾波器(GOC)和廣義閉-開形態學濾波器(GCO)，結構元素尺寸分別為L1和L2，且L1

f1=(y[n]°g1[n])?g2[n]

(5)

f2=(y[n]?g1[n])°g2[n]

(6)

為了解決輸出偏倚問題，有效濾除噪聲，本文采用廣義均值形態學濾波器，即

f=(f1+f2)/2

(7)

2 自適應形態學濾波器構建

2.1 結構元素形狀選取

在形態濾波器中，需要指定的參數包括結構元素的形狀和寬度。常用的元素形狀為直線、圓形(半圓形)和三角形。趙昭等[17]提出對于白噪聲干擾，半圓形和三角形2種結構元素的濾波效果很接近，均優于直線結構元素。胡愛軍等[18]采用直線、圓形和三角形3種結構元素對含脈沖噪聲的振動信號進行處理，結果表明三角形結構元素的處理效果最好。對于橋梁健康監測采樣信號，三角形結構元素的濾波降噪效果最好，因此本文選擇三角形結構元素，其形狀左右對稱，大小由高度H和寬度L決定，如圖3所示。

圖3 三角形結構元素

文獻[18]提出對于三角形結構元素，高度取原始波形高度的1%～5%。本文取L2=L1+2，因此只需要選擇g1結構元素的尺寸L1即可。

2.2 結構元素寬度選取

結構元素的尺寸直接影響濾波效果，尺寸過小不能有效濾除噪聲，尺寸過大會對結構信號造成損傷。傅里葉譜中各階模態相對幅值的變化可以反映信號的損傷程度，模態階數越高對信號的損傷越敏感。本文基于傅里葉譜并通過MATLAB編程實現了結構元素尺寸的自適應選取，主要步驟如下：①對原始數據進行傅里葉變換，記錄可識別的最高階模態相對幅值；②用結構元素寬度li+1=li+2，l1=3的廣義均值形態學濾波器對原始數據進行濾波，對濾波后的數據進行傅里葉變換，并分別記錄li所對應的可識別的最高階模態相對幅值；③對可識別的最高階模態幅值與對應的結構元素寬度進行擬合；④根據工程經驗選取相對幅值降低10%時所對應的結構元素寬度li作為最終的結構元素尺寸，即L1=li。選取方法的流程圖見圖4。

圖4 AMF結構元素尺寸選取方法流程圖

3 工程應用實例

為了驗證本文方法的可行性，以斜拉橋振動臺試驗為依托，對測試數據進行降噪處理。

3.1 試驗概況

斜拉橋模型跨度布置為(6.5+19.0+6.5)m，門式橋塔高4.55 m，邊墩和輔助墩高度均為1.90 m。在橋塔及橋墩下設置擴大基礎。主梁為5 mm鋼板焊接而成的扁平鋼箱梁，寬0.7 m，高0.075 m。斜拉索采用φ10 mm鋼絲繩模擬，共24根。為了模擬實橋的振動特性，在斜拉橋模型上設有配重。振動臺輸入激勵包括地震和噪聲，地震激勵為人工合成場地波，噪聲激勵為隨機生成的白噪聲。為測得斜拉橋模型的輸入激勵及輸出響應，在斜拉橋模型上布置了41個加速度測點。在4個擴大基礎上各布置1個加速度測點以測量激勵輸入；2個橋塔上分別布置10個加速度測點、主梁上布置17個加速度測點以測量加速度響應輸出。模型總體尺寸及傳感器布置見圖5。

3.2 數據濾波

根據斜拉橋模型的輸入激勵與輸出響應對輸出數據的波形及頻譜特性進行考察。受篇幅所限，僅以左側橋塔的塔頂加速度傳感器測試數據為例，對其波形及傅里葉譜進行展示，分別見圖6和圖7。由圖7可知，斜拉橋模型在地震動激勵下的前3階頻率分別為2.6，4.2，8.6 Hz；在白噪聲激勵下的前3階頻率分別為2.6，4.0，8.5 Hz。

圖5 模型總體尺寸及傳感器布置(單位：cm)

圖6 塔頂傳感器加速度響應波形

圖7 塔頂傳感器加速度響應傅里葉譜

模型響應信號經過形態學濾波后，其傅里葉譜相對幅值降低，且隨著結構元素尺寸的增大，受影響的區域逐漸向低頻擴展。為了保證模型響應的有用信息不被損傷，即保證第3階頻率不被損傷，以第3階頻率的傅里葉變換相對幅值變化作為選取結構元素尺寸的標準。第3階頻率的相對幅值隨著結構元素尺寸的增大而減小，其傅里葉譜相對幅值擬合如圖8所示。可知，地震動激勵工況的濾波結構元素寬度為7，白噪聲激勵工況的濾波結構元素寬度為5。

圖8 傅里葉譜相對幅值擬合

3.3 模態參數識別

為了驗證廣義均值形態學濾波器的濾波效果，通過CDSI方法對濾波前后的數據分別處理，并以穩定圖的形式對模態參數識別結果進行展示。使用2種激勵下的左側橋塔塔頂傳感器原始數據和濾波后數據，通過CDSI方法識別結構模態參數并繪制穩定圖，分別見圖9和圖10，二者穩定點數目對比見表1。圖中，藍色、綠色和紅色的點分別代表頻率穩定、頻率和振型二者穩定、頻率和振型以及阻尼比三者穩定。

圖9 地震動激勵工況濾波前后穩定圖

圖10 白噪聲激勵工況濾波前后穩定圖

表1 濾波前后穩定點數目對比 個

由圖9、圖10和表1可知：在地震動激勵工況中原始數據穩定圖和濾波后數據穩定圖雖然都識別到了結構的前3階模態，但后者的穩定點數目明顯多于前者；在白噪聲激勵工況中原始數據穩定圖只識別到了結構前2階模態，而濾波后數據穩定圖不僅穩定點數目多于前者而且識別到了結構的前3階模態。說明用形態學濾波處理后的數據識別結構模態參數能夠得到更穩定的結果。

4 結論

本文基于廣義均值形態濾波器，提出了一種適用于橋梁健康監測數據降噪的自適應形態濾波器，對大比尺斜拉橋模型振動臺試驗測試數據進行降噪，并使用結合穩定圖的子空間模態參數辨識方法對降噪效果進行了展示，得到如下結論：

1)本文方法根據橋梁健康監測原始數據特點選取結構元素尺寸，從而有效濾除信號中包含的噪聲。

2)經過形態學濾波器處理后的數據能更好地反映結構的模態信息，使模態參數識別結果更加穩定，并挖掘出被噪聲淹沒的高階橋梁模態參數。

[1]周俊,馬建林,徐華,等.EMD降噪在高速鐵路路基沉降預測中的應用[J].振動與沖擊,2016,35(8):66-72.

[2]馬金英,張玉杰,許同樂.基于EMD閾值降噪的軸承故障診斷研究[J].煤礦機械,2014,35(3):235-237.

[3]蘇文勝.滾動軸承振動信號處理及特征提取方法研究[D].大連：大連理工大學,2010.

[4]李浩,董辛旻,陳宏,等.基于小波變換的齒輪箱振動信號降噪處理[J].機械設計與制造,2013(3):81-83.

[5]王國棟,胡邦喜,高立新,等.自適應小波降噪在軸承故障診斷中的應用[J].噪聲與振動控制,2007,27(5):100-103.

[6]薛志宏.GNSS動態變形測量關鍵技術研究[D].鄭州：中國人民解放軍戰略支援部隊信息工程大學,2012.

[7]MATHERON G.Random Sets and Integral Geometry[M].New York：John Wiley & Sons，1975.

[8]張朋波.多尺度形態學在振動信號處理中的應用研究[D].保定：華北電力大學,2014.

[9]田絮資,楊建,黃力宇.心電信號去噪的數學形態學濾波器[J].計算機工程與應用,2012,48(2):124-126.

[10]郭海濤,徐雷,趙紅葉,等.一種抑制聲吶圖像散斑噪聲的形態學濾波器[J].儀器儀表學報,2015,36(3):654-660.

[11]HARIKIRAN J,RANI R U,LAKSHMI P V,et al.Impulse Noise Reduction Using Mathematical Morphology[M].Berlin Heidelberg:Springer,2011.

[12]YUAN C,LI Y.Switching Median and Morphological Filter for Impulse Noise Removal from Digital Images[J].Optik-International Journal for Light and Electron Optics,2015,126(18):1598-1601.

[13]CHEN S H,WANG E Y.Electromagnetic Radiation Signals of Coal or Rock Denoising Based on Morphological Filter[J].Procedia Engineering,2011,26:588-594.

[14]CADORE J,GALLARDO A A,PELAEZ M C.Morphological Processing of Spectrograms for Speech Enhancement[M].Berlin Heidelberg:Springer,2011.

[15]嚴鵬.基于信號理論的橋梁健康監測降噪處理和損傷識別研究[D].成都：西南交通大學,2012.

[16]趙春暉.數字形態濾波器理論及其算法研究[D].哈爾濱：哈爾濱工業大學,1998.

[17]趙昭,劉利林,張承學,等.形態學濾波器結構元素選取原則研究與分析[J].電力系統保護與控制,2009,37(14):21-25.

[18]胡愛軍,唐貴基,安連鎖.振動信號采集中剔除脈沖的新方法[J].振動與沖擊,2006,25(1):126-127.